Anaconda3+python3.9+tensorflow环境配置

不要提前安装python环境,Anaconda进行统一管理比较方便,如果自行安装的python版本和Anaconda版本存在不适配比较麻烦

  1. Anaconda安装

1.1 下载

官网下载安装包比较慢,建议从清华的站点下载

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

如下图所示,可以根据需要下载合适的包

1.2 安装

点击安装,注意安装目录暂时不支持空格,安装选项可以选择为所有人使用,中间提示项选择都打勾(安装适配的python等),然后一直默认下一步,直到安装完成

安装后如下

1.3 环境变量

安装好后,需要手动配置环境变量,方便直接在命令行操作,根据自己的安装目录配置,需要配置Anaconda安装目录和下级的Scripts目录,如下所示

不配置可以选择每次打开Anaconda Prompt 窗口进行操作,就是一个增强版的cmd窗口,默认进入的是base环境

1.4 检查安装情况

输入如下命令,分别查看anaconda版本和python版本

conda -V
python -V

1.5 切换镜像源

默认源下载包太慢,可以使用清华的源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

切回默认镜像源

conda config --remove-key channels

1.6 查看包列表

conda list

1.7 查看环境列表

默认存在一个base环境

conda env list

2 Tensorflow环境配置

2.1 创建tensorflow虚拟环境

我们指定环境的python版本为3.9,提示[y/n]时,输入y即可

conda create -n tensorflow pip python=3.9

2.2 激活tensorflow环境

activate tensorflow

2.3 安装tensorflow

conda install tensorflow

2.4 验证tensorflow

导入tensorflow包验证使用

  • 新建test.py文件,输入如下内容

# coding:utf-8
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hi,tensorflow')
sess= tf.compat.v1.Session() 
print(sess.run(hello))
  • 执行test.py

python test.py
  • 输出结果如下

有一些额外的提示信息,不用管

### 使用 Anaconda 安装 Python 3.9 的教程 #### 创建指定版本的 Python 环境 为了创建带有特定 Python 版本(如 Python 3.9)的新环境,可以使用 `conda` 命令来实现。通过这条命令能够确保新环境中安装的是所需版本的 Python 解释器。 ```bash conda create -n tensorflow python=3.9 ``` 此命令会建立名为 `tensorflow` 的新环境,并设置其使用的 Python 版本为 3.9[^1]。 #### 激活并验证新建环境 一旦成功创建了新的 Conda 环境,则需激活该环境以便在其内部工作: ```bash conda activate tensorflow ``` 激活之后可以通过运行下面这行代码确认当前正在使用的确实是 Python 3.9: ```python import sys print(sys.version) ``` 如果一切正常的话,输出的信息应该表明现在处于 Python 3.9 运行环境下。 #### 添加额外软件包到已有的环境中 对于那些不被默认包含在内的库或者工具来说,在已经存在的环境中添加它们是非常简单的操作。通常情况下可以直接利用 `conda install` 或者 `pip install` 来完成这项任务。例如要增加 `xlwt` 库至现有项目里,只需输入如下指令即可: ```bash conda install xlwt ``` 当遇到某些特殊情形下无法找到合适资源时,也可以考虑切换成 pip 工具来进行尝试;比如针对 `exifread` 类似的第三方模块就可以这样做: ```bash pip install exifread ``` 值得注意的一点是在执行上述任何一条语句之前都应当先确保自己正处于目标虚拟空间之中——即先前提到过的那个叫做 “tensorflow”的地方[^2]。 #### 配置 Kivy 开发所需的依赖关系 如果有意从事图形界面编程方面的工作特别是涉及到触摸屏交互的应用程序开发,那么可能还会关心怎样才能顺利集成像 Kivy 这样的框架进来。这里给出了一套完整的解决方案用于满足这类需求: ```bash python -m pip install docutils pygments pypiwin32 kivy.deps.sdl2 kivy.deps.glew python -m pip install kivy.deps.gstreamer python -m pip install kivy ``` 最后还可以选择性地追加一些示例工程帮助理解掌握更多实际应用场景下的技巧[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值